跳到正文

OfficeQA Pro

Databricks / 專業辦公 · 從大量真實財務檔案中檢索、計算並回答問題。

官方評測
在 888news 中觀察中
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集

它測什麼,怎麼測

Pro 固定 133 題,與 Full 246 題及 Pro V2 的 90 題分開;端到端檢索與直接提供答案所在頁面屬於不同條件。Claude Agent SDK、Codex SDK、Antigravity CLI 的成績屬於各自執行系統,不能混作統一基礎模型評測。它衡量檔案理解,不代表辦公檔案的產出質量。

如何使用這份依據

觀察中:官方繼續更新,但目前主要比較不同產品執行系統,原始彙總協議仍待核實;保留資料理解參考,不將不同工具系統的成績直接歸給基礎模型。

評測局限與數據署名

程式碼及題庫許可不自動覆蓋所有外部成績;新舊題集、端到端與答案頁面直供條件不能混排,當前沒有自動採集成績。

數據許可:程式碼 Apache 2.0;題目資料 CC BY-SA 4.0,現遷至需要申請訪問的 Hugging Face 資料集。

成績由 Databricks 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。